lOMoARcPSD|19485279

Chapitre-echantillonnage

Statistiques appliquées (Université Abdelmalek Essaâdi)

Studocu n'est pas sponsorisé ou supporté par une université ou un lycée

Téléchargé par Oussama Mc (oussamafatal17@gmail.com)
 lOMoARcPSD|19485279

Filière : Licence en Economie et Gestion Matière : Echantillonnage et Estimation

Semestre : 3 A.U : 2016 / 2017

Introduction  IBT : Cas d’une moyenne  Exercice :

L’étude de propriétés caractéristiques d’une population, quand on ne dispose Soit 𝑿𝟏 , 𝑿𝟐 , … , 𝑿𝒏 n variables aléatoires indépendantes suivant une loi Dans une P° de 𝑵 = 20 000 projecteurs, la proportion de projecteur
pas encore de données, nécessite d’examiner, d’observer des individus de
de probabilité quelconque avec 𝔼(𝑿𝒊 ) = 𝒎 et 𝑉(𝑿𝒊 ) = 𝝈𝟐 . défectueux est 𝒑 = 0,2. Soit 𝒇𝒏 la proportion de projecteur défectueux
cette population. La manière de recueillir ces données fait l’objet d’une
Leur moyenne 𝑿 ̅ = 𝑿𝟏+𝑿𝟐+⋯+𝑿𝒏 est une variable aléatoire où 𝔼( 𝑿
̅) = 𝒎 dans un échantillon prélevé. On accepte une marge d’erreur de ±5% par
théorie mathématique appelée théorie de l’échantillonnage. Pour cela, il est 𝒏
nécessaire de suivre les étapes suivantes : 𝝈𝟐 rapport à la proportion 𝒑 avec une probabilité d’au moins 90%
̅) =
et 𝑉( 𝑿 (ℙ{|𝑓𝑛 − 𝑝| ≤ 5%} ≥ 90%).
i. On détermine la taille de l’échantillon représentatif ; 𝒏
𝝈𝟐 1- Si le tirage est avec remise, calculer la taille de l’échantillon 𝒏.
ii. On identifie les individus de cet échantillon (Méthodes ̅:
Appliquons IBT à 𝑿 ̅ − 𝒎| ≤ 𝒕} ≤ 𝟏 −
ℙ{|𝑿 (𝒕 est la marge d’erreur)
𝒏 𝒕𝟐
d’échantillonnage) ;  IBT : Cas d’une fréquence
2- Si le tirage est sans remise, calculer 𝒏.
iii. On décrit la distribution du caractère sur cet échantillon ; 3- On suppose que 𝒇𝒏 suit une loi normale, calculer 𝒏.
Fréquence
iv. On établit une estimation des paramètres dans la population à partir des
X 𝑿 IBT 2. Méthodes d’échantillonnage :
paramètres observés sur l’échantillon. 𝒇𝒏 =
 Terminologie 𝒏 2.1. Méthodes aléatoires (probabilistes) :
𝔼(𝑿) = 𝒏𝒑 𝔼(𝒇𝒏 ) = 𝒑 𝒑𝒒
Avec ℙ{|𝒇𝒏 − 𝒑| ≤ 𝒕} ≤ 𝟏 −
Terme Définition 𝒏 𝒕𝟐
Remise 𝑉(𝑿) = 𝒏𝒑𝒒 𝑉(𝒇𝒏 ) = 𝒑𝒒⁄𝒏 (𝒕 est la marge d’erreur)
Est la phase qui consiste à sélectionner les individus Méthode Définition
Echantillonnage que l’on souhaite interroger au sein de la population 𝔼(𝑿) = 𝒏𝒑 𝔼(𝒇𝒏 ) = 𝒑
𝒑𝒒 𝑵 − 𝒏 Consiste à tirer au hasard n individus parmi les N
de base. Sans 𝑉(𝑿) 𝑉(𝒇𝒏 ) ℙ{|𝒇𝒏 − 𝒑| ≤ 𝒕} ≤ 𝟏 − ( ) Aléatoire
𝒏 𝒕𝟐 𝑵 − 𝟏 individus de la base de sondage numéroté de 1 à N (on
On examine chacun des individus de la population Remise 𝑵−𝒏 (𝑵 − 𝒏)𝒑𝒒 (𝒕 est la marge d’erreur) simple
Recensement = 𝒏𝒑𝒒 = utilise par exemple la table des nombres aléatoires).
selon les caractères étudiés. 𝑵−𝟏 (𝑵 − 𝟏)𝒏 Consiste à tirer les individus selon une progression
On examine seulement une fraction représentative 𝑵
Sondage
de la population. 1.1. Détermination de la taille d’un échantillon : arithmétique de raison 𝒏 . Elle comporte 3 étapes :
Aléatoire 1- on détermine la raison (on prend la valeur min)
Base de sondage
Est la liste complète de tous les individus composant a. Par l’IBT : systématique 𝑵
la population étudiée sans omission ni répétition. 2- Tirage au hasard d’un nombre i compris entre 1 et . 𝒏
̅ − 𝒎| ≤ 𝒕} ≥ 𝟏 − 𝜷 ou ℙ{|𝒇 − 𝒑| ≤ 𝒕} ≥ 𝟏 − 𝜷
Nous désirons que : ℙ{|𝑿 𝑁 𝑁 𝑁
Est le rapport entre la taille de l’échantillon et la taille 𝒏 3-Séléction les individus : 𝑖 ; 𝑖 + 𝑛 ; 𝑖 + 2 𝑛 ; … ; 𝑖 + (𝑛 − 1) 𝑛
de la population (𝑡𝑥 𝑑𝑒 𝑠𝑜𝑛𝑑𝑎𝑔𝑒 = 𝑛⁄𝑁).
Taux de sondage
Taille de On divise la population en sous-groupes distincts et
IBT
Ensemble des méthodes permettant de réaliser un l’échantillon Aléatoire homogènes (strates), ensuite on tire au hasard un
𝒑𝒒 𝒑𝒒
Méthodes sondage au sein d’une population, de manière à Avec
ℙ{|𝒇𝒏 − 𝒑| ≤ 𝒕} ≥ 𝟏 − 𝒏= stratifié échantillon représentatif à l’intérieur des différentes
Remise 𝒏 𝒕𝟐 𝜷 𝒕𝟐
d’échantillonnage reproduire un échantillon aussi représentatif que Fréquence strates (ex : stratification par tranche d’âge).
𝒑𝒒 𝑵 − 𝒏 𝑵𝒑𝒒
possible de cette population. Sans
ℙ{|𝒇𝒏 − 𝒑| ≤ 𝒕} ≥ 𝟏 − ( ) 𝒏= On tire au hasard des grappes ou familles d’individus, et
Remise 𝒏 𝒕𝟐 𝑵 − 𝟏 𝜷 𝒕𝟐 (𝑵 − 𝟏) + 𝒑𝒒 Aléatoire en
1. Taille de l’échantillon :
on examine tous les individus de la grappe (exemple : on
Moyenne 𝝈 𝟐 𝝈𝟐 grappes
̅ − 𝒎| ≤ 𝒕} ≥ 𝟏 −
ℙ{|𝑿 𝒏= tire des immeubles puis on interroge tous les habitants).
1.2. L’intégralité de Bienaymé-Tchebychev (IBT) : 𝒏 𝒕𝟐 𝜷 𝒕𝟐
On tire au hasard des unités primaire (1er degré), puis à
 Théorème : Aléatoire à
l’intérieur de chaque unité primaire choisie, on prélève au
Soit X une variable aléatoire avec 𝔼(𝑿) = 𝒎 et 𝑉(𝑿) = 𝝈 𝟐  Remarque : plusieurs
hasard des unités secondaires (2ème degré), et ainsi de
𝟏 La loi 𝑯(𝑵 , 𝒏 , 𝒑) peut-être approximé par la loi 𝑩(𝒏 , 𝒑) lorsque 𝑵 est degrés
suite jusqu’à la constitution de l’échantillon souhaité.
ℙ{|𝑿 − 𝒎| ≤ 𝝂𝝈} ≥ 𝟏 − , ∀𝝂>𝟎 très grand par rapport à 𝒏.
𝝂𝟐
 Remarque : Dans la pratique, on utilise cette approximation si le taux de sondage 2.2. Méthodes non aléatoires (raisonnées) :
 L’IBT ne fait aucune hypothèse sur la loi de X. est inférieur à 0,1 ( 𝑛⁄𝑁 < 0,1 ). Lorsque on ne dispose pas de base de sondage, ou lorsqu’il est trop
 L’IBT peut s’écrire : coûteux de réaliser un sondage aléatoire, on a recours aux méthodes
𝟏 b. Par la loi normale :
 ℙ{|𝑿 − 𝒎| > 𝝂𝝈} ≤ 𝟐 dites non aléatoire ou empiriques.
𝝂 ̅ − 𝒎| ≤ 𝒕} = 𝜹
Nous désirons que : ℙ{|𝒇𝒏 − 𝒑| ≤ 𝒕} = 𝜹 ou ℙ{|𝑿  La méthode des quotas est l’un des principales méthodes
𝑉(𝑿)
 ℙ{|𝑿 − 𝒎| > 𝒕} ≤ avec 𝒕 = 𝝂𝝈 ⟹ 𝝂 = 𝒕⁄𝝈 D’où : ℙ{−𝝁 ≤ 𝑾 ≤ 𝝁} = 𝜹 ou ℙ{−𝝀 ≤ 𝒁 ≤ 𝝀} = 𝜹 empiriques, elle consiste à choisir un échantillon de façon à
𝒕𝟐 𝜹+𝟏 𝜹+𝟏
𝑉(𝑿) Donc : ℙ{𝑾 ≤ 𝝁} = ou ℙ{𝒁 ≤ 𝝀} = constituer une image, aussi fidèle que possible, de la population.
 ℙ{|𝑿 − 𝒎| ≤ 𝒕} ≥ 𝟏 − 𝟐 𝟐
𝒕𝟐
 Exemple :
Avec :
 Exemple : 𝒇𝒏 − 𝒑 𝒕 ̅−𝒎
𝑿 𝒕
Soit une population étudiée selon le sexe des individus. On veut prélever
Le producteur de certains projecteurs d’éclairage public affirme que la durée 𝑾= ~𝑵(𝟎 , 𝟏) ; 𝝁 = ; 𝒁= ~𝑵(𝟎 , 𝟏) ; 𝝀 = un échantillon de 𝑛 = 500
√𝒑𝒒⁄𝒏 √𝒑𝒒⁄𝒏 𝝈 ⁄√ 𝒏 𝝈 ⁄√ 𝒏 Modalités Fréquence relative Modalités Effectif
de vie moyenne de ses projecteurs est 8 000h avec un écart type de 50h. Un
projecteur a été choisi au hasard dans sa production. La probabilité pour que On lit la valeur de 𝝀 et 𝝁 sur la table de la loi normale centrée réduite. M 45% M 500 × 0,45 = 𝟐𝟐𝟓
le projecteur dure plus de 6 000h et moins de 10 000h est : F 55% F 500 × 0,55 = 𝟐𝟕𝟓
Loi Normale Taille de l’échantillon
Total 100% Total 500
ℙ{6 000 ≤ 𝑋 ≤ 10 000} = ℙ{−2 000 ≤ 𝑋 − 8000 ≤ 2 000} 𝝁𝟐 𝒑𝒒
Fréquence ℙ{−𝝁 ≤ 𝑾 ≤ 𝝁} = 𝜹 𝒏=
502 𝒕𝟐
= ℙ{|𝑋 − 8 000| ≤ 2 000} ≥ 1 − 𝟐
2 0002 Moyenne 𝝀𝝈
Donc, ℙ{6 000 ≤ 𝑋 ≤ 10 000} ≥ 0,99 ℙ{−𝝀 ≤ 𝒁 ≤ 𝝀} = 𝜹 𝒏=( )
𝒕

Pr. Abella DIKOUK Page 1 sur 1 Email : adikouk@gmail.com

Téléchargé par Oussama Mc (oussamafatal17@gmail.com)